數(shù)據(jù)科學(xué)是什么?

數(shù)據(jù)科學(xué)也被稱為數(shù)據(jù)驅(qū)動(dòng)科學(xué)，是一個(gè)關(guān)于科學(xué)方法、過程和系統(tǒng)的跨學(xué)科領(lǐng)域，從結(jié)構(gòu)化或非結(jié)構(gòu)化的數(shù)據(jù)提取知識(shí)或見解，類似于數(shù)據(jù)挖掘。

這個(gè)概念有兩點(diǎn)需要解釋，一個(gè)是數(shù)據(jù)科學(xué)的核心是從數(shù)據(jù)中提取知識(shí)或見解，另外一個(gè)是類似于數(shù)據(jù)挖掘，應(yīng)該講數(shù)據(jù)科學(xué)有很多內(nèi)容依賴于數(shù)據(jù)挖掘的方法，但不全部是數(shù)據(jù)挖掘。

其交叉學(xué)科的性質(zhì)和未來廣闊的不同專業(yè)的就業(yè)面，使得眾多學(xué)科背景的人群都可以參加學(xué)習(xí)這個(gè)專業(yè)。這些專業(yè)背景包括：

數(shù)學(xué)：Data Science 無法避免的就是算法，而算法的基礎(chǔ)就是數(shù)學(xué)。因而數(shù)學(xué)系的同學(xué)如果申請(qǐng)Data Science 的話是非常有競(jìng)爭力的，雖然你可能沒有計(jì)算機(jī)基礎(chǔ)，但是你的邏輯思維直接導(dǎo)致了你有很好的處理大數(shù)據(jù)的能力。

計(jì)算機(jī)相關(guān)專業(yè)：計(jì)算機(jī)在Data Science 方向自然是最具競(jìng)爭力的。但是這個(gè)專業(yè)除了鞏固自身的編程能力，更著重了解更多的處理數(shù)據(jù)的方法。因此，學(xué)計(jì)算機(jī)的同學(xué)們，建議在數(shù)學(xué)方向有一定的基礎(chǔ)，不然學(xué)的時(shí)候會(huì)很費(fèi)腦。

經(jīng)濟(jì)學(xué)相關(guān)專業(yè)：在大數(shù)據(jù)環(huán)境下，你有經(jīng)濟(jì)學(xué)基礎(chǔ)，那么恭喜你，你一定比其他專業(yè)的同學(xué)們更懂得什么數(shù)據(jù)才是有利于預(yù)估經(jīng)濟(jì)發(fā)展行情的，因而如果你有很好的邏輯能力的話，你完全可以學(xué)習(xí)一些基礎(chǔ)的計(jì)算機(jī)知識(shí)和編程，這不但是適應(yīng)社會(huì)發(fā)展的知識(shí)，也是能讓你在今后就業(yè)方面如魚得水的專業(yè)。

數(shù)據(jù)科學(xué)的三類職業(yè)方向包括：機(jī)器學(xué)習(xí)、數(shù)據(jù)分析和數(shù)據(jù)科學(xué)家。

1. 機(jī)器學(xué)習(xí)工程師 Machine Learning Engineer

代表了技術(shù)含量較高的方向，工作內(nèi)容主要是開發(fā)機(jī)器學(xué)習(xí)系統(tǒng)和用這些系統(tǒng)解決實(shí)際問題。一般需要ship production code，做出來的是數(shù)據(jù)產(chǎn)品。

2. 數(shù)據(jù)分析員 Data Analyst

工作內(nèi)容俗稱analytics (product analytics or business analytics)，從數(shù)據(jù)中提取insight，估計(jì)投資回報(bào)比，為產(chǎn)品方向提建議。Data Analyst的基本工資中值為58777美元。

能夠影響薪資的技能包括：數(shù)據(jù)分析、Microsoft Excel、SQL、數(shù)據(jù)庫管理與報(bào)告、Microsoft Office、數(shù)據(jù)挖掘/數(shù)據(jù)倉庫、統(tǒng)計(jì)分析、數(shù)據(jù)建模、數(shù)據(jù)錄入、Microsoft SQL Server、Microsoft Access、Microsoft Word、R、Tableau Software、SAS。

3. 數(shù)據(jù)科學(xué)家 Data Scientist

IT數(shù)據(jù)科學(xué)家工作內(nèi)容以高級(jí)建模為主，會(huì)針對(duì)復(fù)雜的問題來設(shè)計(jì)技術(shù)方案。它的任務(wù)是為建模、數(shù)據(jù)挖掘和生產(chǎn)目的設(shè)計(jì)和構(gòu)建新的數(shù)據(jù)集流程。確定改進(jìn)數(shù)據(jù)和搜索質(zhì)量以及預(yù)測(cè)能力的新方法。執(zhí)行和解釋關(guān)于新數(shù)據(jù)源或現(xiàn)有數(shù)據(jù)源的新用途的數(shù)據(jù)研究和產(chǎn)品實(shí)驗(yàn)。開發(fā)原型、概念證明、算法、預(yù)測(cè)模型和分析。

營銷數(shù)據(jù)科學(xué)家負(fù)責(zé)構(gòu)建和調(diào)整轉(zhuǎn)換算法和數(shù)據(jù)挖掘策略，以利用消費(fèi)者數(shù)據(jù)，通過數(shù)據(jù)來給出營銷方面的戰(zhàn)略建議，以確保在線營銷策略與公司更廣泛的營銷計(jì)劃相結(jié)合，并使用比如Adobe Analytics /Google Analytics這類分析工具，及時(shí)向公司管理層和客戶提供綜合報(bào)告。

雖然近幾年來不斷有美國高校開設(shè)新的數(shù)據(jù)科學(xué)類項(xiàng)目，但申請(qǐng)競(jìng)爭形式日益嚴(yán)峻。

首先，學(xué) CS 的同學(xué)顯然是可以申請(qǐng)的，因?yàn)榇蠖鄶?shù)數(shù)據(jù)工作都是通過編程和數(shù)據(jù)庫的相關(guān)手段進(jìn)行的；學(xué)統(tǒng)計(jì)或者應(yīng)數(shù)，且有一定編程基礎(chǔ)的同學(xué)也可以申請(qǐng)；商科出身，尤其是量化背景較強(qiáng)的商科專業(yè)，比如金工，但又希望能選擇一個(gè) STEM 專業(yè)的小伙伴，那 DS 顯然也是個(gè)非常好的選擇。

關(guān)于硬件條件方面，由于數(shù)據(jù)科學(xué)專業(yè)的申請(qǐng)非常熱門，所以申請(qǐng)者盡可能在申請(qǐng)前能獲得較高的GPA、TOEFL（美本大多項(xiàng)目可免）和 GRE 成績，申請(qǐng)綜排前 50 的項(xiàng)目的申請(qǐng)者，往往有GPA 3.5+, TOEFL 105+, GRE 325+ 的成績，外加出色的科研、學(xué)術(shù)活動(dòng)或?qū)嵙?xí)經(jīng)歷。此外，由于該專業(yè)培養(yǎng)的人才供不應(yīng)求，因此每年都有學(xué)校新開設(shè)相關(guān)項(xiàng)目，申請(qǐng)人可重點(diǎn)關(guān)注。